µn¤J
¡U
µù¥U
¡U
·|û¤¤¤ß
¡U
µ²±b
¡U
°ö°V½Òµ{
Å]ªk§Ì¤l
¡U
¦Û¸ê¥Xª©
¡U
¹q¤l®Ñ
¡U
«ÈªA¤¤¤ß
¡U
´¼¼z«¬¥ßÊ^·|û
®Ñ¦W
¥Xª©ªÀ
§@ªÌ
isbn
½s¸¹
5050Å]ªk²³Äw
|
NG®Ñ«°
|
°ê»Ú¯Å«~µP½Òµ{
|
Àu´f³qª¾
|
ÅRÆE^¶¯µ¼Öºë¿ï
|
·L³B²z¾÷¡þ³æ´¹¤ù²Õ¦X»y¨¥±Ð¾Ç½d¥»(ªþCD)
¡D
¤@¦æ«ü¥O¾ÇPytho
¡D
¤@¦æ«ü¥O¾ÇPytho
¤å¾Ç¤p»¡
¤å¾Ç
¡U
¤p»¡
°ÓºÞ³Ð§ë
°]¸g§ë¸ê
¡U
¦æ¾P¥øºÞ
¤H¤åÃÀ§{
©v±Ð¡Bõ¾Ç
ªÀ·|¡B¤H¤å¡B¥v¦a
ÃÀ³N¡B¬ü¾Ç
¡U
¹q¼vÀ¸¼@
Ày§Ó¾i¥Í
ÂåÀø¡B«O°·
®Æ²z¡B¥Í¬¡¦Ê¬ì
±Ð¨|¡B¤ß²z¡BÀy§Ó
¶i׾Dzß
¹q¸£»Pºô¸ô
¡U
»y¨¥¤u¨ã
Âø»x¡B´Á¥Z
¡U
x¬F¡Bªk«ß
°Ñ¦Ò¡B¦Ò¸Õ¡B±Ð¬ì¥Î®Ñ
¬ì¾Ç¤uµ{
¬ì¾Ç¡B¦ÛµM
¡U
¤u·~¡B¤uµ{
®a®x¿Ë¤l
®a®x¡B¿Ë¤l¡B¤H»Ú
«C¤Ö¦~¡Bµ£®Ñ
ª±¼Ö¤Ñ¦a
®È¹C¡B¦a¹Ï
¡U
¥ð¶¢®T¼Ö
º©µe¡B´¡¹Ï
¡U
¨î¯Å
¤@¦æ«ü¥O¾ÇPython¡G¥Î¾÷¾¹¾Ç²ß´x´¤¤H¤u´¼¼z(ªþ½d¨Ò¥úºÐ)
§@ªÌ¡G
徐聖訓
¤ÀÃþ¡G
°Ñ¦Ò¡E¦Ò¸Õ¡E±Ð¬ì®Ñ
¡þ
¤j±M¾Ç°|±Ð¬ì®Ñ
¥Xª©ªÀ¡G
¥þµØ¹Ï®Ñ
¥Xª©¤é´Á¡G2020/9/24
ISBN¡G9789865034948
®ÑÄy½s¸¹¡Gkk0520895
¶¼Æ¡G416
©w»ù¡G
500
¤¸
Àu´f»ù¡G
88
§é
440
¤¸
®Ñ»ùY¦³²§°Ê¡A¥H¥Xª©ªÀ¹ê»Ú©w»ù¬°·Ç
µ´ª©®Ñ
µ´ª©®Ñ¡G½T©w¤£¦Aª©ªº°Ó«~¡A¶È´£¨Ñ®ÑÄy¸ê°T°Ñ¦Ò¡C
µû»ù¼Æ¡G
(½Ð±N·Æ¹«²¾¦Ü¬P¬P³B¶i¦æµû»ù)
¥Ø«e¥§¡µû»ù¡G
¤å¦r³sµ²
½Æ»s»yªk
¤@¦æ«ü¥O¾ÇPython¡G¥Î¾÷¾¹¾Ç²ß´x´¤¤H¤u´¼¼z(ªþ½d¨Ò¥úºÐ)
¹Ï¤ù³sµ²
½Æ»s»yªk
¤À
¨É
¤º®e²¤¶
®ÑÄy¥Ø¿ý
¦PÃþ±ÀÂË
一行指令學Python:用機器學習掌握人工智慧(附範例光碟) 內容簡介 現在學機器學習,正是最好的年代! 在過去要處理資料,就要用C語言撰寫函數;在Python裡,別人已寫好了許多套件,只要像是在玩樂高積木一樣,就能完成你想要的結果。因此我會說,現在是最好學機器學習的時候,你等於是站在巨人的肩膀上學習。 本書沒有複雜的數學,沒有複雜的程式碼,有系統的編排,引領你進入機器學習的世界。 我們會介紹sklearn的資料預處理;簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、k最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。而在非監督模型上會介紹Kmeans。 另外,大部分的書不會強調的ColumnTransformer、管道器製作。許多書沒有解釋清楚的模型預測重要指標:正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線,我們也會一次詳細說明,讓你一手掌握。 實例演練時會操作中英文的文字處理,並做情感分析和主題探索。還有知名的大數據資料庫,包括波斯頓房價預測、鳶尾花資料、鐵達尼號資料、威斯康辛大學醫院收集的乳癌腫瘤病患預測、電信公司客戶流失預測、信用卡盜刷預測、Newsgroup新聞群組分類、Amazon商品評論預測、Tripadvisor裡兩家航空公司和數字預測。 最後教大家如何將深度學習的模組也包裝到sklearn。 現在就讓我們一起學習Python,用機器學習掌握人工智慧。 本書特色 1.本書利用Python的sklearn套件做資料預處理。 2.本書介紹簡單線性迴歸、多元線性迴歸、羅吉斯迴歸、k最近鄰、支持向量機、決策樹、隨機森林等監督式的機器學習模型。 3.在非監督模型的部分,會介紹Kmeans。 4.內容清楚說明ColumnTransformer、管道器製作。及許多書沒有解釋清楚的模型預測重要指標:正確率、精確率、召回率、混亂矩陣、綜合報告、PRC曲線、ROC曲線。 5.以實例演練方式操作中英文的文字分析、大數據資料庫分析及預測等應用。
¥Ø¿ý Ch00 ¾÷¾¹¾Ç²ß¤¶²Ð ²Ä¤@³¡¤À Python§Ö³t½Æ²ß Ch01 Python°ò¥»¥\¯à¤¶²Ð Ch02 Pandas DataFrame¤¶²Ð ²Ä¤G³¡¤À Sklearn¸ê®Æ¹w³B²z Ch03 ¸ê®Æ¹w³B²z ²Ä¤T³¡¤À ½u©Ê°jÂk Ch04 Simple Regression Ch05 ¦h¤¸½u©Ê°jÂk ²Ä¥|³¡¤À ºÊ·þ¦¡¾Ç²ß Ch06 ù¦N´µ°jÂk Ch07 K³Ìªñ¾F Ch08 ¤ä«ù¦V¶q¾÷ Ch09 ¨Mµ¦¾ð Ch10¥æ¤eÅçÃÒ Ch11 ¼Ò«¬°Ñ¼Æ¬D¿ï©Mºô®æ·j´M Ch12 ²Õ¦X¹w´ú¾¹ Ch13 û¤u¬y¥¢²v¹w´ú Ch14 «È¤á¬y¥¢²v¹w´ú Ch15 «H¥Î°»´ú ²Ä¤³¡¤À ¤å¦r¤ÀªR Ch16 ¤å¦r³B²z Ch17 Amazon°Ó«~µû½×¤ÀªR Ch18 ¤¤¤å¤å¦r³B²z ²Ä¤»³¡¤À «DºÊ·þ¦¡¾Ç²ß Ch19 Kmean¶°¸s¤ÀªR ²Ä¤C³¡¤À ²`«×¾Ç²ß¥]¸Ë Ch20 keras²`«×¾Ç²ß
¹Ï¸Ñ¶Ë¤fÅ@²z
ª«²z¹êÅç(²Ä¤Q¥|ª©)
ÓÅé¸gÀپǢw¢w²z½×»P
ªÚ»Àøªk(²Ä¤ª©)
©@°Ø·§½×(²Ä¤Gª©)
¥Áªk·§n(²Ä¤ª©)
¤Hû¦w¥þ»PªÀ·|³d¥ô
HACCP²z½×»P¹ê°È
¹q¤uªk³W(²Ä¤ª©)
°ò¦«æ±Ï
¬°¤F«O»Ù±zªºÅv¯q¡A·sµ·¸ôºô¸ô®Ñ©±©ÒÁʶRªº°Ó«~§¡¨É¦³¨ì³f¤C¤ÑªºÅ²½à´Á¡]§t¨Ò°²¤é¡^¡C°h¦^¤§°Ó«~¥²¶·©óŲ½à´Á¤º±H¦^¡]¥H¶lÂW©Î¦¬°õÁp¬°¾Ì¡^¡A¥B°Ó«~¥²¶·¬O¥þ·sª¬ºA»P§¹¾ã¥]¸Ë(°Ó«~¡Bªþ¥ó¡B¤º¥~¥]¸Ë¡BÀH³f¤å¥ó¡BÃØ«~µ¥)¡A§_«h®¤¤£±µ¨ü°h³f¡C